Tag: scipy

Python SciPy是否需要BLAS？

numpy.distutils.system_info.BlasNotFoundError: Blas (http://www.netlib.org/blas/) libraries not found. Directories to search for the libraries can be specified in the numpy/distutils/site.cfg file (section [blas]) or by setting the BLAS environment variable. 我需要从这个网站下载哪个tar？ 我尝试了fortrans，但我一直得到这个错误（显然设置环境variables后）。

scipy和numpy之间的关系

scipy似乎在自己的命名空间中提供了大部分（但不是全部[1]）的numpy函数。 换句话说，如果有一个名为numpy.foo的函数，几乎肯定有一个scipy.foo 。 大多数时候，两者看起来完全一样，往往甚至指向相同的function对象。 有时候，他们是不同的。 举一个最近出现的例子： numpy.log10是一个numpy.log10 ，返回负数参数的NaN; scipy.log10为负面参数返回复数值，并且看起来不是scipy.log10 。 关于log ， log2和logn也可以这样说，但不是关于log1p [2]。 另一方面，对于相同的scipy.exp ， numpy.exp和scipy.exp似乎是不同的名称。 scipy.log1p和numpy.log1p也是如此。 另一个例子是numpy.linalg.solve vs scipy.linalg.solve 。 他们是相似的，但后者提供了一些额外的function，前者。 为什么表面上的重复？ 如果这是为了批量导入scipy命名空间，为什么行为和缺失函数的细微差别？ 是否有一些总体逻辑可以帮助消除混淆？ [1] numpy.min ， numpy.max ， numpy.abs和其他一些在scipy命名空间中没有对应的。 [2]使用numpy 1.5.1和scipy 0.9.0rc2进行testing。

如何将csv读入numpy的logging数组？

我想知道是否有一种直接的方式将csv文件的内容导入到logging数组中，这与R的read.table() ， read.delim()和read.csv()系列将数据导入到R数据框？ 或者是使用csv.reader（） ，然后应用像numpy.core.records.fromrecords() ？

如何以正确的方式平滑曲线？

让我们假设我们有一个数据集，可能会给大概 import numpy as np x = np.linspace(0,2*np.pi,100) y = np.sin(x) + np.random.random(100) * 0.2 因此，我们有20％的数据集的变化。 我的第一个想法是使用scipy的UnivariateSpline函数，但问题是这并没有考虑到小噪声的好处。 如果考虑频率，背景比信号小得多，所以只有截止的样条可能是一个想法，但是这涉及到来回傅里叶变换，这可能导致不良行为。 另一种方式是移动平均线，但这也需要正确的延迟select。 任何提示/书籍或链接如何解决这个问题？

从sklearn导入ImportError：无法导入名称check_build

我尝试从sklearn导入时出现以下错误： >>> from sklearn import svm Traceback (most recent call last): File "<pyshell#17>", line 1, in <module> from sklearn import svm File "C:\Python27\lib\site-packages\sklearn\__init__.py", line 16, in <module> from . import check_build ImportError: cannot import name check_build 我使用Python 2.7，scipy-0.12.0b1超级包，numpy-1.6.0超级包，scikit-learn-0.11我有一个Windows 7机器 我已经检查了这个问题的几个答案，但没有一个解决了这个错误。

从NumPy 2D数组中删除重复的列和行

我正在使用2D形状arrays来存储经度+纬度对。 有一点，我必须合并这些二维数组中的两个，然后删除任何重复的条目。 我一直在寻找一个类似numpy.unique的function，但我没有运气。 我一直在想的任何实现看起来都非常“没有优化”。 例如，我试图将数组转换为元组列表，删除重复的集合，然后再次转换为数组： coordskeys = np.array(list(set([tuple(x) for x in coordskeys]))) 有没有现有的解决scheme，所以我不重新发明轮子？ 为了说清楚，我正在寻找： >>> a = np.array([[1, 1], [2, 3], [1, 1], [5, 4], [2, 3]]) >>> unique_rows(a) array([[1, 1], [2, 3],[5, 4]]) 顺便说一句，我只想使用它的元组列表，但列表是如此之大，他们消耗我的4Gb RAM + 4Gb交换（numpy数组更有效率）。

使用SciPy或NumPy生成具有指定权重的离散随机variables

我正在寻找一个简单的函数，可以根据它们相应的（也是指定的）概率生成一个指定的随机值数组。 我只需要它来生成浮点值，但我不明白为什么它不应该能够产生任何标量。 我可以从现有的function中想到很多构build这个function的方法，但我想我可能只是错过了一个明显的SciPy或NumPyfunction。 例如： >>> values = [1.1, 2.2, 3.3] >>> probabilities = [0.2, 0.5, 0.3] >>> print some_function(values, probabilities, size=10) (2.2, 1.1, 3.3, 3.3, 2.2, 2.2, 1.1, 2.2, 3.3, 2.2) 注：我发现scipy.stats.rv_discrete，但我不明白它是如何工作的。 具体而言，我不明白这（下面）意味着什么，也不应该做什么： numargs = generic.numargs [ <shape(s)> ] = ['Replace with resonable value', ]*numargs 如果rv_discrete是我应该使用的，请给我一个简单的例子和​​上面的“形状”的说明解释？

Python中的均方根误差

我知道我可以实现像这样的均方根误差函数： def rmse(predictions, targets): return np.sqrt(((predictions – targets) ** 2).mean()) 我正在寻找什么，如果这个rmse函数是在一个库中实现的，也许在scipy或scikit学习？

从SciPy Sparse Matrix填充一个Pandas SparseDataFrame

我注意到pandas现在支持稀疏matrix和数组 。 目前，我创buildDataFrame()如下所示： return DataFrame(matrix.toarray(), columns=features, index=observations) 有没有办法用scipy.sparse.csc_matrix()或csr_matrix()创build一个csr_matrix() ？ 转换为密集格式严重杀死RAM。 谢谢！

浓缩距离matrix如何工作？ （pdist）

scipy.spatial.distance.pdist返回一个浓缩距离matrix。 从文档 ： 返回一个压缩的距离matrixY.对于每个和（其中），度量dist（u = X [i]，v = X [j]）被计算并存储在条目ij中。 我以为我的意思是i*j 。 但是我想我可能是错的。 考虑 X = array([[1,2], [1,2], [3,4]]) dist_matrix = pdist(X) 那么文档说dist(X[0], X[2])应该是dist_matrix[0*2] 。 然而， dist_matrix[0*2]是0 – 不应该是2.8。 给定i和j ，我应该用什么公式来访问两个向量的相似性？